一种指静脉图像质量的量化评估方法技术

本发明专利技术涉及一种指静脉图像质量的量化评估方法，其包括以下步骤：(1)计算指静脉图像灰度分布指标；(2)计算指静脉图像噪声水平指标；(3)计算指静脉图像一阶梯度指标；(4)计算指静脉图像二阶梯度指标；(5)构建指静脉图像质量量化评估数学模型并计算模型参数；(6)利用构建的指静脉图像质量量化评估数学模型对不同环境下的图像质量进行量化评估，并依据量化评估结果对指静脉图像做针对性的预处理，消除不同环境对指静脉图像质量的影响。本发明专利技术可对指静脉图像的质量作出科学的量化评估，提高用户不同手指状态或不同外界环境下所得到的指静脉图像的一致性，进而可提高指静脉的识别性能。

A quantitative evaluation method of digital vein image quality

【技术实现步骤摘要】
一种指静脉图像质量的量化评估方法
本专利技术属于模式识别
，尤其涉及一种指静脉图像质量的量化评估方法。
技术介绍
手指静脉识别技术是一种真正的活体识别技术，它是利用手指血管内流动血液中的血红蛋白对近红外光的吸收而形成的静脉血管图像，并对采集到的静脉血管图像进行图像预处理、静脉特征提取和静脉特征比对的身份识别技术，具有高精度和高防伪性的特性。中国专利技术专利CN106326886A公开了一种基于卷积神经网络的手指静脉图像质量评估方法及系统，该方法为首先对手指静脉灰度图像的质量进行标注，其次建立训练样本集合，然后利用训练样本集合对卷积神经网络模型进行训练。最后将任意一幅灰度图像和二值图像输入到训练好的模型中，分别选取两个卷积神经网络模型中第二全连接层的输出为输入灰度图像和二值图像的深度特征向量；连接两个深度特征向量形成联合表达向量，并将其输入到支持向量机中进行训练，使用概率支持向量机来计算出预测手指静脉图像的质量；该评估方法及评估系统，能够很大程度上提升手指静脉图像质量评估的精度，改善认证系统的识别性能。但是，在实际使用过程中，由于受到用户手指状态(冷热状态、干裂、起皮、脏污等)或外界环境状态(如高低温环境、强弱光环境、设备灰尘覆盖等)的影响，所获取到的指静脉图像往往会有一定的差异，进而会影响指静脉的识别性能，为科学评估用户手指状态或外界环境状态对指静脉图像质量造成的影响，首先需要建立指静脉图像质量的评价体系，该评价体系不仅可对静脉图像质量进行科学的量化评估，还可以根据指静脉图像质量的量化评估结果对不同环境下的指静脉图像进行针对性的图像处理，以消除不同环境对指静脉图像质量的影响，提高用户不同手指状态或不同外界环境下所得到的指静脉图像的一致性，进而可提高指静脉的识别性能。
技术实现思路
本专利技术针对现有技术中的问题，提供了一种指静脉图像质量的量化评估方法，该量化评估模型方法可对指静脉图像的质量作出科学的量化评估，为不同环境下指静脉图像的预处理提供基础数据和应对方案，提高用户不同手指状态或不同外界环境下所得到的指静脉图像的一致性，进而可提高指静脉的识别性能。为了达到目的，本专利技术提供的技术方案为：本专利技术涉及一种指静脉图像质量的量化评估方法，其包括以下步骤：(1)计算指静脉图像灰度分布指标；(2)计算指静脉图像噪声水平指标；(3)计算指静脉图像一阶梯度指标；(4)计算指静脉图像二阶梯度指标；(5)构建指静脉图像质量量化评估数学模型并计算模型参数；(6)利用构建的指静脉图像质量量化评估数学模型对不同环境下的图像质量进行量化评估，并依据量化评估结果对指静脉图像做针对性的预处理，消除不同环境对指静脉图像质量的影响。优选地，步骤(1)中，指静脉图像灰度分布指标的计算包括以下过程：(1-1)计算指静脉图像的灰度均值和灰度标准偏差，计算公式如下：式中：imgAvg为静脉图像的灰度均值；imgStd为静脉图像的灰度标准偏差；img(i，j)为指静脉图像某点的灰度值；row为指静脉图像的行数；col为指静脉图像的列数；(1-2)计算指静脉图像的横向灰度分布指标，计算公式如下：th1(i)＝a0+a1*imgAvg+a2*imgHorizonAvg(i)-a3*imgStd-a4*imgHorizonStd(i)th2(i)＝a0+a1*imgAvg+a2*imgHorizonAvg(i)+a3*imgStd+a4*imgHorizonStd(i)式中：imgHorizonScore为静脉图像的横向灰度分布指标；HorizonScore(i)为静脉图像某一行的横向灰度分布指标；HorizonNum(j)为静脉图像某一行的横向灰度合格指标数；th1(i)为横向灰度指标下限；th2(i)为横向灰度指标上限；imgHorizonAvg(i)为静脉图像某一行的灰度均值；imgHorizonStd(i)为静脉图像某一行的灰度标准偏差；a0、a1、a2、a3和a4均为模型参数；(1-3)计算指静脉图像的纵向灰度分布指标，计算公式如下：tv1(j)＝b0+b1*imgAvg+b2*imgVerticalAvg(j)-b3*imgStd-b4*imgVerticalStd(j)tv2(j)＝b0+b1*imgAvg+b2*imgVerticalAvg(j)+b3*imgStd+b4*imgVerticalStd(j)式中：imgVerticalScore为静脉图像的纵向灰度分布指标；VerticalScore(j)为静脉图像某一列的纵向灰度分布指标；VerticalNum(i)为静脉图像某一列的的纵向灰度合格指标数；tv1(j)为纵向灰度指标下限；tv2(j)为纵向灰度指标上限；imgVerticalAvg(j)为静脉图像某一列的灰度均值；imgVerticalStd(j)为静脉图像某一列的灰度标准偏差；b0、b1、b2、b3和b4均为模型参数。优选地，步骤(2)中指静脉图像噪声水平指标的计算公式为：式中：imgNoise为静脉图像的噪声指标；Fnoise为噪声卷积模板算子。优选地，步骤(3)中，指静脉图像一阶梯度指标计算，具体包括如下步骤：(3-1)计算指静脉图像的横向灰度一阶梯度指标，计算公式如下：tFx1(i)＝c0+c1*imgFxAvg+c2*imgFxAvg(i)-c3*imgFxStd-c4*imgFxStd(i)tFx2(i)＝c0+c1*imgFxAvg+c2*imgFxAvg(i)+c3*imgFxStd+c4*imgFxStd(i)式中：imgFxScore为静脉图像的横向一阶梯度分布指标；imgFxScore(i)为静脉图像某一行的一阶梯度分布指标；imgFxNum(i)为静脉图像某一行的一阶梯度的合格指标数；tg1(i)为横向一阶梯度指标下限；tg2(i)为纵向一阶梯度指标上限；imgFx为静脉图像的横向一阶梯度；Fx为横向一阶梯度卷积模板算子；imgFxAvg为静脉图像的横向一阶梯度的均值；imgFxAvg(i)为静脉图像某一行的横向一阶梯度的均值；imgFxStd为静脉图像的横向一阶梯度的标准偏差；imgFxStd(i)为静脉图像某一行的横向一阶梯度的标准偏差；c0、c1、c2、c3和c4为模型参数；(3-2)本文档来自技高网...

【技术保护点】
1.一种指静脉图像质量的量化评估方法，其特征在于，其包括以下步骤：/n(1)计算指静脉图像灰度分布指标；/n(2)计算指静脉图像噪声水平指标；/n(3)计算指静脉图像一阶梯度指标；/n(4)计算指静脉图像二阶梯度指标；/n(5)构建指静脉图像质量量化评估数学模型并计算模型参数；/n(6)利用构建的指静脉图像质量量化评估数学模型对不同环境下的图像质量进行量化评估，并依据量化评估结果对指静脉图像做针对性的预处理，消除不同环境对指静脉图像质量的影响。/n

【技术特征摘要】
1.一种指静脉图像质量的量化评估方法，其特征在于，其包括以下步骤：
(1)计算指静脉图像灰度分布指标；
(2)计算指静脉图像噪声水平指标；
(3)计算指静脉图像一阶梯度指标；
(4)计算指静脉图像二阶梯度指标；
(5)构建指静脉图像质量量化评估数学模型并计算模型参数；
(6)利用构建的指静脉图像质量量化评估数学模型对不同环境下的图像质量进行量化评估，并依据量化评估结果对指静脉图像做针对性的预处理，消除不同环境对指静脉图像质量的影响。


2.根据权利要求1所述的指静脉图像质量的量化评估方法，其特征在于，步骤(1)中，指静脉图像灰度分布指标的计算包括以下过程：
(1-1)计算指静脉图像的灰度均值和灰度标准偏差，计算公式如下：






式中：
imgAvg为静脉图像的灰度均值；
imgStd为静脉图像的灰度标准偏差；
img(i，j)为指静脉图像某点的灰度值；
row为指静脉图像的行数；
col为指静脉图像的列数；
(1-2)计算指静脉图像的横向灰度分布指标，计算公式如下：









th1(i)＝a0+a1*imgAvg+a2*imgHorizonAvg(i)-a3*imgStd-a4*imgHorizonStd(i)
th2(i)＝a0+a1*imgAvg+a2*imgHorizonAvg(i)+a3*imgStd+a4*imgHorizonStd(i)






式中：
imgHorizonScore为静脉图像的横向灰度分布指标；
HorizonScore(i)为静脉图像某一行的横向灰度分布指标；
HorizonNum(j)为静脉图像某一行的横向灰度合格指标数；
th1(i)为横向灰度指标下限；
th2(i)为横向灰度指标上限；
imgHorizonAvg(i)为静脉图像某一行的灰度均值；
imgHorizonStd(i)为静脉图像某一行的灰度标准偏差；
a0、a1、a2、a3和a4均为模型参数；
(1-3)计算指静脉图像的纵向灰度分布指标，计算公式如下：









tv1(j)＝b0+b1*imgAvg+b2*imgVerticalAvg(j)-b3*imgStd-b4*imgVerticalStd(j)
tv2(j)＝b0+b1*imgAvg+b2*imgVerticalAvg(j)+b3*imgStd+b4*imgVerticalStd(j)






式中：
imgVerticalScore为静脉图像的纵向灰度分布指标；
VerticalScore(j)为静脉图像某一列的纵向灰度分布指标；
VerticalNum(i)为静脉图像某一列的的纵向灰度合格指标数；
tv1(j)为纵向灰度指标下限；
tv2(j)为纵向灰度指标上限；
imgVerticalAvg(j)为静脉图像某一列的灰度均值；
imgVerticalStd(j)为静脉图像某一列的灰度标准偏差；
b0、b1、b2、b3和b4均为模型参数。


3.根据权利要求1所述的指静脉图像质量的量化评估方法，其特征在于，步骤(2)中指静脉图像噪声水平指标的计算公式为：



式中：
imgNoise为静脉图像的噪声指标；
Fnoise为噪声卷积模板算子。


4.根据权利要求1所述的指静脉图像质量的量化评估方法，其特征在于，在步骤(3)中，指静脉图像一阶梯度指标计算，具体包括如下步骤：
(3-1)计算指静脉图像的横向灰度一阶梯度指标，计算公式如下：












tFx1(i)＝c0+c1*imgFxAvg+c2*imgFxAvg(i)-c3*imgFxStd-c4*imgFxStd(i)
tFx2(i)＝c0+c1*imgFxAvg+c2*imgFxAvg(i)+c3*imgFxStd+c4*imgFxStd(i)












式中：
imgFxScore为静脉图像的横向一阶梯度分布指标；
imgFxScore(i)为静脉图像某一行的一阶梯度分布指标；
imgFxNum(i)为静脉图像某一行的一阶梯度的合格指标数；
tg1(i)为横向一阶梯度指标下限；
tg2(i)为纵向一阶梯度指标上限；
imgFx为静脉图像的横向一阶梯度；
Fx为横向一阶梯度卷积模板算子；
imgFxAvg为静脉图像的横向一阶梯度的均值；
imgFxAvg(i)为静脉图像某一行的横向一阶梯度的均值；
imgFxStd为静脉图像的横向一阶梯度的标准偏差；
imgFxStd(i)为静脉图像某一行的横向一阶梯度的标准偏差；
c0、c1、c2、c3和c4为模型参数；
(3-2)计算指静脉图像的纵向灰度一阶梯度指标，计算公式如下：












tFy1(j)＝d0+d1*imgFyAvg+d2*imgFyAvg(j)-d3*imgFyStd-d4*imgFyStd(j)
tFy2(j)＝d0+d1*i...

【专利技术属性】
技术研发人员：张烜，赵国栋，辛传贤，李学双，
申请(专利权)人：圣点世纪科技股份有限公司，
类型：发明
国别省市：山西;14